numpy.random.Generator.standard_gamma#
方法
- random.Generator.standard_gamma(shape, size=None, dtype=np.float64, out=None)#
从标准 Gamma 分布中抽取样本。
从具有指定参数的 Gamma 分布中抽取样本,形状(有时指定为“k”)和 scale=1。
- 参数:
- shapefloat 或 float 型数组
参数,必须是非负数。
- sizeint 或 int 型元组,可选
输出形状。如果给定的形状为,例如,
(m, n, k)
,则将抽取m * n * k
个样本。如果 size 为None
(默认值),则如果shape
为标量,则返回单个值。否则,将抽取np.array(shape).size
个样本。- dtypedtype,可选
- outndarray,可选
放置结果的备用输出数组。如果 size 不为 None,则它必须与提供的 size 具有相同的形状,并且必须与输出值的类型匹配。
- 返回值:
- outndarray 或标量
从参数化的标准 Gamma 分布中抽取的样本。
另请参阅
scipy.stats.gamma
概率密度函数、分布或累积密度函数等。
注释
Gamma 分布的概率密度为
\[p(x) = x^{k-1}\frac{e^{-x/\theta}}{\theta^k\Gamma(k)},\]其中 \(k\) 是形状,\(\theta\) 是尺度,\(\Gamma\) 是 Gamma 函数。
Gamma 分布通常用于模拟电子元件的失效时间,并且在等待时间与泊松分布事件相关的过程中自然产生。
参考文献
[1]Weisstein,Eric W.“Gamma 分布。”来自 MathWorld - Wolfram 网络资源。 https://mathworld.wolfram.com/GammaDistribution.html
[2]维基百科,“Gamma 分布”, https://en.wikipedia.org/wiki/Gamma_distribution
示例
从分布中抽取样本
>>> shape, scale = 2., 1. # mean and width >>> rng = np.random.default_rng() >>> s = rng.standard_gamma(shape, 1000000)
显示样本的直方图以及概率密度函数
>>> import matplotlib.pyplot as plt >>> import scipy.special as sps >>> count, bins, _ = plt.hist(s, 50, density=True) >>> y = bins**(shape-1) * ((np.exp(-bins/scale))/ ... (sps.gamma(shape) * scale**shape)) >>> plt.plot(bins, y, linewidth=2, color='r') >>> plt.show()